ディジタル信号処理の基礎,音情報処理の基礎,音の特徴量,雑音除去技術,故障検知の方法,故障予知の方法,ディープニューラルネットワーク技術など,具体的に詳しく解説する特別セミナー！！
- 講師
埼玉大学大学院理工学研究科数理電子情報部門教授 工学博士 島村 徹也 先生
- 日時
- 会場
- ※本セミナーはWEB受講のみとなります。
- 受講料
- （消費税等込み）1名：49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名：44,000円
- テキスト
受講概要
受講形式 WEB受講のみ ＊本セミナーはZoomシステムを利用したオンライン配信となります。
受講対象 各種設備・製造関係者、研究・開発者 予備知識 高校レベルの簡単な数学程度 習得知識 1）ディジタル信号処理の基礎 2）音情報処理の基礎 3）音の特徴量 4）雑音除去技術 5）音による故障検知技術 6）音による故障予知技術 7）ディープニューラルネットワーク技術 等々 講師の言葉 画像処理やコンピュータビジョンにおけるAI技術の成功から、次は音の利用だ、という流れができつつあります。 特に、これまで産業界から重大な問題であると認識されていたにも関わらず、実際には人間の手に頼らざるを得なかった、機械の故障検知や故障予知の問題に、音が有効に利用できる可能性が出てきました。 本セミナーでは、講師のこれまでの音声研究のノウハウと、各種企業との共同研究の経験値を組み合わせ、音が故障検知や故障予知にどのように利用できるかを説明します。ディジタル信号処理の基礎から、音の特徴量の求め方までを平易に解説した後、それらの故障検知への利用方法、およびその故障予知への発展の方法について、可能なアプローチをご紹介します。 また、実際の環境音、騒音などに鑑みて、比較的平易に取り組める雑除去手法の紹介も行います。実際の現場で、どのようなマイクをどのように取り付けるか等のノウハウもお伝えする予定です。共同研究を実施してきた経験から、本セミナーでは特徴量ベースの方法と学習ベースの方法の二つを軸として、各種特徴量の計算を紹介しつつ、学習ではCNNを中心に、最適な方法の導出の考え方について、また最近の動向に触れ、異常データが少ない場合の対策（MT法、AE法等）をも説明する予定です。我々の経験手法にも言及します。
プログラム
1 はじめに 1.1正常音と異常音 1.2音による情景分析 2 音信号の基礎 2.1 離散時間信号 2.2 ディジタルフィルタ 2.2 フーリエ変換 2.3 パワースペクトル 2.4 音の特性 3 音の特徴量 3.1 パワー、周期 3.2 スペクトル 3.3 ケプストラム、メルケプストラム 3.4 線形予測係数 4 雑音除去技術 4.1 スペクトル引き算 4.2 ウィナーフィルタ 4.3 各種フィルタリング 4.4 複数マイクの利用 5 故障検知の方法 5.1 特徴量の利用 5.2 距離尺度の利用 5.3 ニューラルネットワークの利用 5.4 異常音データが少ない場合の対策 5.5 事例紹介 6 故障予知の方法 6.1 時系列情報の利用 6.2 故障検知方法の有効利用 6.3 最近の試み 講師紹介 略歴 1986年 慶應義塾大学理工学部卒 1991年 慶應義塾大学大学院理工学研究科博士課程了、工学博士 1991年 埼玉大学工学部情報工学科助手 1995年 ラフバラ大学、1996年ベルファーストクイーンズ大学（ともにイギリス）客員研究員 1998年 埼玉大学助教授 2007年 埼玉大学教授 学会等 IEEE, アメリカ音響学会、日本音響学会、電子情報通信学会、信号処理学会、電気学会 会員 現在、信号処理学会編集長 専門はディジタル信号処理とその音声、画像、通信への応用など。 論文・著書多数。 これまで20社を超える企業との共同研究を実施するなど、産学連携に力を入れている。2019年より「AI時代の画像処理技術研究会（埼玉大学産学官連携協議会）」の代表を務め、年に複数回の研究発表会を主導している。